論文の概要: Digital-Twin-Based Improvements to Diagnosis, Prognosis, Strategy
Assessment, and Discrepancy Checking in a Nearly Autonomous Management and
Control System
- arxiv url: http://arxiv.org/abs/2105.11039v1
- Date: Sun, 23 May 2021 23:05:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 15:01:53.546629
- Title: Digital-Twin-Based Improvements to Diagnosis, Prognosis, Strategy
Assessment, and Discrepancy Checking in a Nearly Autonomous Management and
Control System
- Title(参考訳): ディジタルトウィンによるほぼ自律型管理・制御システムにおける診断・予後・戦略評価・不一致チェックの改善
- Authors: Linyu Lin, Paridhi Athe, Pascal Rouxelin, Maria Avramova, Abhinav
Gupta, Robert Youngblood, Nam Dinh
- Abstract要約: 本研究では,複雑なフロー・オブ・フローのシナリオにおいて,適切なレコメンデーションを行うためのNAMACシステムを改良する。
フロー・オブ・フローのシナリオのクラスにおけるNAMACの有効性を実証し,評価した。
- 参考スコア(独自算出の注目度): 20.395356834262945
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Nearly Autonomous Management and Control System (NAMAC) is a
comprehensive control system that assists plant operations by furnishing
control recommendations to operators in a broad class of situations. This study
refines a NAMAC system for making reasonable recommendations during complex
loss-of-flow scenarios with a validated Experimental Breeder Reactor II
simulator, digital twins improved by machine-learning algorithms, a
multi-attribute decision-making scheme, and a discrepancy checker for
identifying unexpected recommendation effects. We assessed the performance of
each NAMAC component, while we demonstrated and evaluated the capability of
NAMAC in a class of loss-of-flow scenarios.
- Abstract(参考訳): ほぼ自律型管理制御システム(英語版)(namac)は、幅広い状況において運転者に制御勧告を提供することでプラント運用を支援する総合的な制御システムである。
本研究では,検証型実験ブレイダリアクターiiシミュレータ,機械学習アルゴリズムによるデジタル双生児,マルチ属性意思決定方式,予期せぬ推奨効果を識別する判別チェッカーを用いて,複雑なフロー損失シナリオにおいて合理的な推奨を行うnamacシステムの改良を行った。
我々は,各NAMACコンポーネントの性能評価を行い,フローの損失シナリオのクラスにおけるNAMACの能力を実証し,評価した。
関連論文リスト
- Decentralized Event-Triggered Online Learning for Safe Consensus of
Multi-Agent Systems with Gaussian Process Regression [3.405252606286664]
本稿では,補助力学によって強化された,学習に基づく分散制御法を提案する。
予測性能を継続的に向上するために、分散イベントトリガー機構を備えたデータ効率の高いオンライン学習戦略を提案する。
提案手法の有効性を示すため,従来の分散制御法とオフライン学習法を対比して比較分析を行った。
論文 参考訳(メタデータ) (2024-02-05T16:41:17Z) - Robustness Verification of Deep Reinforcement Learning Based Control
Systems using Reward Martingales [13.069196356472272]
本稿では,DRLに基づく制御システムのロバスト性検証のための報奨マーチンガレットの導入による最初のアプローチを提案する。
本結果は,2つの質問に対する有意な定量的証明を提供する。
次に、さまざまな種類の制御ポリシに対して、ニューラルネットワークを介して報酬マーチンガレットを実装およびトレーニングできることを示します。
論文 参考訳(メタデータ) (2023-12-15T11:16:47Z) - Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。
システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文 参考訳(メタデータ) (2023-10-07T15:07:10Z) - User-Controllable Recommendation via Counterfactual Retrospective and
Prospective Explanations [96.45414741693119]
本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。
反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
論文 参考訳(メタデータ) (2023-08-02T01:13:36Z) - Decision-Focused Evaluation: Analyzing Performance of Deployed Restless
Multi-Arm Bandits [28.337155169135944]
Restless Multi-arm bandits (RMAB) は、現実世界のシーケンシャルな意思決定問題をモデル化するための一般的な決定理論フレームワークである。
この研究は、公共衛生領域におけるRMABシステムの第一種デプロイの結果を提供し、分析する。
論文 参考訳(メタデータ) (2023-01-19T01:04:55Z) - Towards Robust and Accurate Myoelectric Controller Design based on
Multi-objective Optimization using Evolutionary Computation [0.22835610890984162]
我々は、カーネル化されたSVM分類器を考慮し、エネルギー効率の良いEMGベースのコントローラを設計する手法を提案している。
EMGをベースとした制御器の最適化性能を達成するため,分類器設計の主な戦略は,システム全体の誤動作を低減することである。
エリート的多目的進化アルゴリズムの$-$は、非支配的なソート遺伝的アルゴリズムNSGA-II (Non-dominated sorting genetic algorithm II) であり、SVMのハイパーパラメータをチューニングするために使われている。
論文 参考訳(メタデータ) (2022-04-02T06:13:01Z) - Comparative analysis of machine learning methods for active flow control [60.53767050487434]
遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。
この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
論文 参考訳(メタデータ) (2022-02-23T18:11:19Z) - Deep Reinforcement Learning for Wireless Scheduling in Distributed
Networked Control [56.77877237894372]
この研究は、分散植物、センサー、アクチュエータ、コントローラを備えた完全な分散WNCSを考慮し、限られた数の周波数チャネルを共有する。
最適な送信スケジューリング問題を決定プロセス問題に定式化し、それを解くための深層強化学習アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-09-26T11:27:12Z) - Deep Learning Explicit Differentiable Predictive Control Laws for
Buildings [1.4121977037543585]
未知の非線形システムに対する制約付き制御法を学習するための微分予測制御(DPC)手法を提案する。
DPCは、明示的非線形モデル予測制御(MPC)から生じるマルチパラメトリックプログラミング問題に対する近似解を提供する
論文 参考訳(メタデータ) (2021-07-25T16:47:57Z) - Regret-optimal Estimation and Control [52.28457815067461]
後悔最適推定器と後悔最適制御器は状態空間形式で導出可能であることを示す。
非線形力学系に対するモデル予測制御(MPC)と拡張KalmanFilter(EKF)の残差最適類似性を提案する。
論文 参考訳(メタデータ) (2021-06-22T23:14:21Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳(メタデータ) (2020-03-12T19:56:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。